IT之家·人工智能·· 11 天前AI 评分41
科大讯飞首发星火语音基座大模型 SparkAudio 1.0，中英文任意切换、说话人实时识别
科大讯飞首发星火语音基座大模型 SparkAudio 1.0：中英文任意切换、说话人实时识别，输入法里就能用
文章要点
- 1科大讯飞在 1024 开发者节宣布首发语音基座大模型 SparkAudio 1.0，集成机器翻译、语音识别、语义理解能力
- 2模型已在讯飞输入法 16.0、讯飞听见、讯飞办公本、讯飞翻译机上线，支持中英文任意切换与说话人实时识别
- 3官方宣称模型在实时说话人分离、环境理解、情绪识别等方面表现卓越，现场以电影片段演示识别能力
- 4同场发布的讯飞 AI 录音环硬件宣称综合识别准确率超 96%，2 小时录音转写仅需 2 分钟
决策要点
讯飞把语音模型直接装进自家输入法、办公本和翻译机，走的是模型加自有硬件的整体方案路线，性能数据均为官方口径。
- 影响：语音转写、会议纪要、翻译类工作流若达到官方指标可明显提速；能力与讯飞软硬件生态绑定，企业选型需考虑生态迁移成本；语音交互入口从输入法扩展到录音硬件。
- 参考：可考虑用现有会议录音对比测试讯飞听见或输入法的转写准确率与耗时；值得盘点企业内语音转写、翻译、客服语音场景的工具现状，再决定是否纳入选型。
- 依据：96% 综合识别准确率与 2 小时转写 2 分钟均为官方宣称数据，暂无独立验证；模型能力展示来自官方现场演示。
正文
IT之家 10 月 22 日消息，在今日下午的科大讯飞全球 1024 开发者节活动中，科大讯飞宣布首发星火语音基座大模型 SparkAudio 1.0。
SparkAudio 1.0 集成了机器翻译、语音识别、语义理解等能力，显著提升了基础语音能力。
模型宣称在实时说话人分离、环境理解、音频理解、情绪识别等方面“表现卓越”，推动人工智能向物理世界应用迈进。
官方通过一段电影片段的分析，展示了模型对声音内容、背景、说话人性别等的精准识别能力，以及场景判断的准确性。
SparkAudio 1.0 已在讯飞输入法 16.0、讯飞听见、讯飞办公本、讯飞翻译机全面上线，支持中英文任意切换、说话人实时识别。
IT之家注意到，科大讯飞还发布了一个“讯飞 AI 录音环”硬件设备，搭载 4 + 1 环麦阵列、Wi-Fi 6 传输，宣称综合识别准确率超 96%，进行 2 小时的录音转写仅需 2 分钟。
来源：IT之家·人工智能 · ithome.com